归因令牌

归因令牌是 Vertex AI Search 商务解决方案生成的唯一 ID，随每个搜索请求一起返回。它们可让 Vertex AI Search 商务解决方案将搜索请求与其匹配的搜索事件相关联，从而使重新排名模型能够提高搜索回答的质量。此外，Vertex AI Search 商务解决方案的搜索事件还需要归因令牌，以便生成准确的报告。

归因令牌的工作原理

从用户搜索的 API 响应中收集 attributionToken。每次搜索都有一个新的归因令牌；归因令牌不会重复。

当 Vertex AI Search 商务解决方案处理搜索或推荐请求时，会在响应中返回唯一的 attributionToken：

  • 此令牌对于将后续用户操作（例如点击、添加到购物车和购买）与促成这些操作的特定搜索或推荐相关联至关重要。
  • 请务必将正确的搜索令牌关联到搜索事件，以便详细页面浏览事件、添加到购物车事件和购买事件能够正确关联。

应在搜索或浏览用户事件中发送 placements.search 响应，并在用户与产品互动时立即发送。这包括以下用户历程：

  • search（是）→ add-to-cart（是）
  • search（是）→ detail-page-view（是）
  • search（是）→ purchase（否）（用户在购买时并未像点击或 add-to-cart 那样直接与产品互动，但购买仍归因于原始搜索。）

归因令牌行为

归因令牌具有以下特点：

  • 特定于访问者：attributionToken 与向特定 visitorId 提供的特定搜索响应相关联。只有搜索事件本身需要使用该令牌进行标记。所有后续非搜索事件都不会使用令牌进行标记。

  • 与紧随搜索之后的事件相关联：对于表示与特定搜索的搜索结果直接互动情况的用户事件，attributionToken 尤为重要。这包括完成购买事件：购买交易仍通过商品 ID 和 visitorId 进行关联。

    注意：如果单个用户执行多次搜索，则每次新的搜索请求都会生成一个归因令牌，后续的搜索事件应携带该新令牌。由于每次搜索都会生成新令牌，因此不会将之前搜索事件中的归因令牌重复用于后续搜索事件。

Search API 中的归因令牌

Vertex AI Search for Commerce 方法返回的每个响应都会在搜索响应正文的末尾包含一个唯一的 attributionToken。例如：

{
  "results": [
    {
      "id": "727121",
      "product": {
…
     }
  ],
  "totalSize": 19600,
  "attributionToken": "dfB0CgwIgKrltAYQ8afX4AIQARokNjZjMGEwYjEtMDAwMC0yNjAyLTk0Y2UtNTgyNDI5Y2JkMzUwKgUxMjM0NTIkxcvzF6OAlyLo5KotmNa3LY6-nRW3t4wtwvCeFdSynRWb1rctOg5kZWZhdWx0X3NlYXJjaGgB",
  "nextPageToken": "AM1MDZiNWOyQjM4UTLlNGN50iMwYjMtADMwATLwIGMhBzY2YDJaIw-bCbxQYAt1PJgIwgExEgC"
…

此令牌必须包含在后续的搜索事件中：

{
"eventType": "search",
"searchQuery":"red t-shirt", 
"productDetails":[
  {"product":{"id":"727121"}}, {"product":{"id":  …
  }
] ,
"visitorId":"GA1.1.1383176924.1721324981",
"attributionToken":"dfB0CgwIgKrltAYQ8afX4AIQARokNjZjMGEwYjEtMDAwMC0yNjAyLTk0Y2UtNTgyNDI5Y2JkMzUwKgUxMjM0NTIkxcvzF6OAlyLo5KotmNa3LY6-nRW3t4wtwvCeFdSynRWb1rctOg5kZWZhdWx0X3NlYXJjaGgB"
}

Vertex AI Search for Commerce 使用事件数据来训练其模型。归因令牌提供了一种将事件与请求相关联的方式，通过编码完整搜索请求和响应来包含所请求的过滤条件、商品详情和响应商品 ID。如果搜索事件中没有令牌，这些事件会被视为不是来自 Google Vertex AI Search，并且可能会被错误地用作来自其他搜索提供商的事件。

如果搜索事件来自其他搜索提供商（例如在 A/B 实验期间），则没有令牌是正常的（也是预期的）。不过，对于包含令牌的搜索 API 请求与搜索事件，通常存在 1:1 的映射关系。

缺少令牌的不利影响

如果 attributionToken 不在同一位访问者的相关后续用户事件中，Vertex AI Search for Commerce 会将这些事件视为并非源自其搜索服务。

这可能会导致：

  • 模型训练不准确。
  • 指标不正确，效果分析有误。
  • 在达到更高效果层级（例如第 3 级）时可能存在的问题，因为这需要有足够的可归因事件。
  • 如果具有归因令牌的事件所占百分比低于 95%，则会在 Search for commerce 中的“数据质量”信息中心内报告错误。

为了从用户行为中学习并优化搜索结果，Vertex AI Search for Commerce 仅需要对初始搜索事件进行准确的归因。

归因令牌数据质量

如果具有归因令牌的事件百分比低于 95%，Search for Commerce 控制台中的数据质量信息中心将显示“严重”或“阻止”违规错误状态。否则，状态将显示为“合规”：

替代文本

第 3 级（即经过收入优化的模型）的数据质量通常无法在没有足够的可归因事件的情况下进行训练。强烈建议不要将 Vertex AI Search for Commerce 部署到生产环境中，除非它在第 3 层或第 4 层中提供结果。如需了解详情，请参阅“数据质量”部分，了解如何解锁效果层级，请参阅本文档的数据质量页面。

建议的归因令牌

Vertex AI Search 的推荐功能会自动为归因于 predict 请求的事件创建合成令牌。

对于推荐预测，如果用户点击了推荐商品，则应将 PredictResponse.attribution_token 作为网址参数传递给商品页面，然后在 detail-page-view 事件中记录该参数。

将显示的建议记录为 panelInfo 的一部分，并设置：

panelInfo.attributionToken=PredictResponse.attributionToken